m0_56220564的博客

x=torch.normal(0,1,(data_num,len(w))) #生成随机的x,0为方差，1位均值，data_num代表多少组数据，len(w)代表输入的w类型数【宽度】noise=torch.normal(0,0.01,y.shape) #0.01位噪声，与y同型y+=noisereturn x,y这个函数生成线性回归问题的训练数据。x: 使用正态分布生成，均值为0，标准差为1，形状为(data_num, len(w))。y: 是x和w的线性组合加上偏置b，然后加上噪声。

神经元=w权重矩阵与x矩阵相乘+偏置矩阵神经元串联加深层数。

1.距离度量：欧式距离（计算特征之间相似度）2.确定邻居数量3.投票机制。